上海交大等提出VaM：价值预测作任务进度记忆

上海交通大学与上海创智学院等研究团队提出 Value as Memory（VaM）方法，把价值模型近期的预测序列作为“任务进度记忆”输入动作策略，并配合离线到在线的真机强化学习流程。团队称，在纸盒装配任务中，VaM 连续自主运行 4 小时，任务成功率超过 95%。 该流程包含允许人类纠正的 Online DAgger 阶段，以及不再采集人类纠正、仅靠稀疏任务结果奖励学习的 Learn from Experience 阶段；实现上基于 π₀.₅ 构建动作专家，并配置预测回报分布的价值模型。 消融结果显示，相比移除价值缓存的版本，最终任务成功率提升 29.4%；在线 RL 方案在三个任务上的平均成功率提升 32.8%，平均每个梯度步对应的真实世界时间成本降低 57.8%。上述效果均为研究团队报告的结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。